Dalam rangka meningkatkan revenue dan loyalitas pelanggan, pada tahun 2012
PT. Telkom mengeluarkan Customer Priority Program (CPP) yang dikhususkan
bagi segmen pelanggan yang memiliki total tagihan layanan Plain Old Telephone
Service (POTS), Speedy, dan Groovia lebih dari Rp1.000.000,00. Namun dalam
tahun pertama pelaksanaannya, revenue yang dihasilkan segmen pelanggan CPP
cenderung menurun, sehingga PT. Telkom perlu memperbaiki proses segmentasi
untuk menentukan pelanggan CPP.
Teknik K-means Algorithm dalam pendekatan Data Mining merupakan salah satu
alat yang dapat digunakan untuk memperbaiki proses segmentasi pelanggan CPP.
Proses pemodelan segmentasi berpedoman pada metodologi Cross-Industry
Standard Process for Data Mining (CRISP-DM) yang dilakukan dalam software
IBM SPSS Modeler 14.1. Dalam teknik K-means Algorithm, jumlah cluster
ditentukan dengan metode trial and error untuk jumlah cluster dua sampai lima.
Pada tahap data preparation, dilakukan normalisasi dengan metode z-score untuk
meningkatkan kualitas hasil pemodelan.
Terdapat dua jenis pelanggan yang akan disegmentasikan, yaitu pelanggan POTS
yang hanya menggunakan layanan POTS dan pelanggan Speedy yang
menggunakan layanan POTS dan Speedy. Segmentasi pelanggan POTS dilakukan
berdasarkan dua atribut, yaitu tagihan pelanggan dan usia berlangganan.
Sedangkan untuk pelanggan Speedy berdasarkan tiga atribut, yaitu tagihan
pelanggan, usia berlangganan, dan frekuensi pemakaian. Jumlah cluster yang
dihasilkan dari pemodelan pelanggan POTS adalah tiga cluster, cluster-2 sebagai
cluster dengan profil terbaik dan menjadi calon pelanggan CPP. Sedangkan, untuk
pemodelan pelanggan Speedy dihasilkan dua cluster, cluster-2 juga sebagai
cluster dengan profil terbaik dan menjadi calon pelanggan CPP. K-means Algorithm, Data Mining, CRISP-DM, Loyalitas Pelanggan, POTS, Speedy